Java基于opencv实现图像数字识别(四)—图像降噪

Java基于opencv实现图像数字识别(四)—图像降噪

我们每一步的工作都是基于前一步的，我们先把我们前面的几个函数封装成一个工具类，以后我们所有的函数都基于这个工具类

这个工具类呢，就一个成员变量Mat,非常的简单，这里给出代码

public class ImageUtils {
	private static final int BLACK = 0;
	private static final int WHITE = 255;
	private Mat mat;
	/**
	 * 空参构造函数
	 */
	public ImageUtils() {
	}
	/**
	 * 通过图像路径创建一个mat矩阵
	 *
	 * @param imgFilePath
	 *            图像路径
	 */
	public ImageUtils(String imgFilePath) {
		mat = Imgcodecs.imread(imgFilePath);
	}
	public void ImageUtils(Mat mat) {
		this.mat = mat;
	}
	/**
	 * 加载图片
	 *
	 * @param imgFilePath
	 */
	public void loadImg(String imgFilePath) {
		mat = Imgcodecs.imread(imgFilePath);
	}
	/**
	 * 获取图片高度的函数
	 *
	 * @return
	 */
	public int getHeight() {
		return mat.rows();
	}
	/**
	 * 获取图片宽度的函数
	 *
	 * @return
	 */
	public int getWidth() {
		return mat.cols();
	}
	/**
	 * 获取图片像素点的函数
	 *
	 * @param y
	 * @param x
	 * @return
	 */
	public int getPixel(int y, int x) {
		// 我们处理的是单通道灰度图
		return (int) mat.get(y, x)[0];
	}
	/**
	 * 设置图片像素点的函数
	 *
	 * @param y
	 * @param x
	 * @param color
	 */
	public void setPixel(int y, int x, int color) {
		// 我们处理的是单通道灰度图
		mat.put(y, x, color);
	}
	/**
	 * 保存图片的函数
	 *
	 * @param filename
	 * @return
	 */
	public boolean saveImg(String filename) {
		return Imgcodecs.imwrite(filename, mat);
	}
}

灰度化和二值化的代码我没有贴出来，因为代码实在有点长

我们接着上一步的成果，来开始我们的降噪

一、8邻域降噪

我感觉9宫格降噪更形象一点；即9宫格中心被异色包围，则同化

降噪效果还是蛮好的，这个方法对小噪点比较好

/**
	 * 8邻域降噪,又有点像9宫格降噪;即如果9宫格中心被异色包围，则同化
	 * @param pNum 默认值为1
	 */
	public void navieRemoveNoise(int pNum) {
		int i, j, m, n, nValue, nCount;
		int nWidth = getWidth(), nHeight = getHeight();
		// 对图像的边缘进行预处理
		for (i = 0; i < nWidth; ++i) {
			setPixel(i, 0, WHITE);
			setPixel(i, nHeight - 1, WHITE);
		}
		for (i = 0; i < nHeight; ++i) {
			setPixel(0, i, WHITE);
			setPixel(nWidth - 1, i, WHITE);
		}
		// 如果一个点的周围都是白色的，而它确是黑色的，删除它
		for (j = 1; j < nHeight - 1; ++j) {
			for (i = 1; i < nWidth - 1; ++i) {
				nValue = getPixel(j, i);
				if (nValue == 0) {
					nCount = 0;
					// 比较以(j ,i)为中心的9宫格，如果周围都是白色的，同化
					for (m = j - 1; m <= j + 1; ++m) {
						for (n = i - 1; n <= i + 1; ++n) {
							if (getPixel(m, n) == 0) {
								nCount++;
							}
						}
					}
					if (nCount <= pNum) {
						// 周围黑色点的个数小于阀值pNum,把该点设置白色
						setPixel(j, i, WHITE);
					}
				} else {
					nCount = 0;
					// 比较以(j ,i)为中心的9宫格，如果周围都是黑色的，同化
					for (m = j - 1; m <= j + 1; ++m) {
						for (n = i - 1; n <= i + 1; ++n) {
							if (getPixel(m, n) == 0) {
								nCount++;
							}
						}
					}
					if (nCount >= 7) {
						// 周围黑色点的个数大于等于7,把该点设置黑色;即周围都是黑色
						setPixel(j, i, BLACK);
					}
				}
			}
		}
	}

二、连通域降噪

我们先介绍一个函数(floodFill)

floodFill就是把一个点x的所有相邻的点都涂上x点的颜色，一直填充下去，直到这个区域内所有的点都被填充完为止

在计算的过程中，每扫描到一个黑色（灰度值为0）的点，就将与该点连通的所有点的灰度值都改为1，因此这一个连通域的点都不会再次重复计算了。下一个灰度值为0的点所有连通点的颜色都改为2，这样依次递加，直到所有的点都扫描完。接下来再次扫描所有的点，统计每一个灰度值对应的点的个数，每一个灰度值的点的个数对应该连通域的大小，并且不同连通域由于灰度值不同，因此每个点只计算一次，不会重复。这样一来就统计到了每个连通域的大小，再根据预设的阀值，如果该连通域大小小于阀值，则其就为噪点。这个算法比较适合检查大的噪点，与上个算法正好相反。

因为我找的图像关系，效果可能不咋明显；

/**
	 * 连通域降噪
	 * @param pArea 默认值为1
	 */
	public void contoursRemoveNoise(double pArea) {
		int i, j, color = 1;
		int nWidth = getWidth(), nHeight = getHeight();
		for (i = 0; i < nWidth; ++i) {
			for (j = 0; j < nHeight; ++j) {
				if (getPixel(j, i) == BLACK) {
					//用不同颜色填充连接区域中的每个黑色点
					//floodFill就是把一个点x的所有相邻的点都涂上x点的颜色，一直填充下去，直到这个区域内所有的点都被填充完为止
					Imgproc.floodFill(mat, new Mat(), new Point(i, j), new Scalar(color));
					color++;
				}
			}
		}
		//统计不同颜色点的个数
		int[] ColorCount = new int[255];
		for (i = 0; i < nWidth; ++i) {
			for (j = 0; j < nHeight; ++j) {
				if (getPixel(j, i) != 255) {
					ColorCount[getPixel(j, i) - 1]++;
				}
			}
		}
		//去除噪点
		for (i = 0; i < nWidth; ++i) {
			for (j = 0; j < nHeight; ++j) {
				if (ColorCount[getPixel(j, i) - 1] <= pArea) {
					setPixel(j, i, WHITE);
				}
			}
		}
		for (i = 0; i < nWidth; ++i) {
			for (j = 0; j < nHeight; ++j) {
				if (getPixel(j, i) < WHITE) {
					setPixel(j, i, BLACK);
				}
			}
		}
	}

注：

本文章参考了很多博客，感谢；主要是跟着一个博客来实现的https://blog.csdn.net/ysc6688/article/category/2913009(也是基于opencv来做的，只不过他是用c++实现的)感谢